人工智能的原理與方法

第1章 緒論
1.1 人工智能的概念
1.2 人工智能的研究目標
1.3 人工智能的研究內容
1.4 人工智能的研究途徑
1.5 人工智能的研究領域
1.6 人工智能的發(fā)展概況
習題1
第2章 人工智能語言
2.1 概述
2.2 函數(shù)型程序設計語言LISP
2.3 邏輯型程序設計語言PROLOG
2.4 面向對象程設計語言Smallyalk
習題2
第3章 人工智能的數(shù)學基礎
3.1 命題邏輯與謂詞邏輯
3.2 多值邏輯
3.3 概率論
3.4 模糊理論
習題3
第4章 知識與知識表示
4.1 什么是知識
4.2 一階謂詞邏輯表示法
4.3 產生式表示
4.4 模式架表示法
4.5 語義網絡表示法
4.6 過程表示法
4.7 腳本表示法
4.8 面向對象表示法
4.9 Peyri網表示法
習題4
第5章 基本謂詞的邏輯推理
5.1 謂詞邏輯的演繹推理方法
5.2 歸結原理
5.3 與或形演繹推理
習題5
第6章 不確定性與不確定推理
6.1 基本概念
6.2 概率方法
6.3 主觀Bayes方法
6.4 可信度方法
6.5 模糊推理
習題6
第7章 搜索策略
7.1 基本概念
7.2 狀態(tài)圖搜索技術
7.3 與或圖搜索策略
7.4 博弈樹搜索
習題7
第8章 專家系統(tǒng)
8.1 專家系統(tǒng)的基本概念
8.2 專家系統(tǒng)的結構
8.3 專家系統(tǒng)的發(fā)展概況
8.4 知識獲取和知識工程
8.5 專家系統(tǒng)的設計與實現(xiàn)
8.6 專家系統(tǒng)的開發(fā)工具
8.7 新一代專家系統(tǒng)的研究
8.8 專家系統(tǒng)舉例
習題8
第9章 神經網絡
9.1 基本概念
9.2 神經網絡模型
9.3 基于神經網絡的知識表示與推理
9.4 神經網絡與專家系統(tǒng)
9.5 遺傳算法
9.6 神經網絡發(fā)展概況
習題9
第10章 模式識別
10.1 模式識別的基本概念
10.2 統(tǒng)計模式識別
10.3 結構模式識別
10.4 模糊模式識別
10.5 神經網絡模式識別
習題10
第11章 機器學習
11.1 基本概念
11.2 機器學習分類
11.3 符號學習
11.4 視經網絡學習
習題11
參考文獻